La familia generalizada de distribuciones de potencia del exponente alfa: propiedades y aplicaciones
Autores: Hussain, Sajid; Rashid, Muhammad Sajid; Ul Hassan, Mahmood; Ahmed, Rashid
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
La familia generalizada de distribuciones de potencia del exponente alfa: propiedades y aplicacionesCategoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Método
Clase de distribución continua
Familia de distribuciones de potencia de exponente alfa generalizado
Propiedades estadísticas
Técnica de ML
Estudio de simulación de Monte Carlo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Aquí se recomienda un nuevo método para caracterizar una nueva clase de distribución continua, llamada la familia de distribuciones de potencia del exponente alfa generalizado (GAEPFDs). Se presenta un submodelo particular para ejemplificar el objetivo. Se exploraron las propiedades estadísticas básicas, como los momentos ordinarios, los momentos ponderados por probabilidad, la moda, los cuantiles, las estadísticas de orden, las medidas de entropía y las funciones generadoras de momentos, etc. Para evaluar los parámetros de GAEPPRD, se utilizó la técnica de ML. El comportamiento del estimador fue estudiado mediante un estudio de simulación de Monte Carlo (MCSS). La efectividad de GAEPFDs se demostró de manera observacional a través de datos de duración de vida. Las aplicaciones muestran que GAEPFDs pueden ofrecer resultados preferibles sobre otros modelos competitivos.
Descripción
Aquí se recomienda un nuevo método para caracterizar una nueva clase de distribución continua, llamada la familia de distribuciones de potencia del exponente alfa generalizado (GAEPFDs). Se presenta un submodelo particular para ejemplificar el objetivo. Se exploraron las propiedades estadísticas básicas, como los momentos ordinarios, los momentos ponderados por probabilidad, la moda, los cuantiles, las estadísticas de orden, las medidas de entropía y las funciones generadoras de momentos, etc. Para evaluar los parámetros de GAEPPRD, se utilizó la técnica de ML. El comportamiento del estimador fue estudiado mediante un estudio de simulación de Monte Carlo (MCSS). La efectividad de GAEPFDs se demostró de manera observacional a través de datos de duración de vida. Las aplicaciones muestran que GAEPFDs pueden ofrecer resultados preferibles sobre otros modelos competitivos.